基于主题的关键词提取方法对比(中)绪论.doc

验分布与似然函数是共轭的。LDA算法中，对于一个随机变量而言，其似然函数为多项式分布，并且其先验分布为Dirichlet分布，那么其后验概率仍为Dirichlet分布。LDA算法中之所以选择Dirichlet因为可以减轻计算量。给一个例子说明Dirichlet分布，假设我们在和一个不老实的人玩掷骰子游戏。按常理我们觉得骰子每一面出现的几率都是1/6，但是掷骰子的人连续掷出6，这让我们觉得骰子被做了手脚，这个骰子出现6的几率更高。而我们又不确定这个骰子出现6的概率到底是多少，所以我们猜测有50%的概率是：6出现的概率2/7，其它各面1/7；有25%的概率是：6出现的概率3/8，其它各面1/8；还有25%的概率是：每个面出现的概率都为1/6，也就是那个人没有作弊，走运而已。用图表表示如下： 0.5 概率 1/7 1/7 1/7 1/7 1/7 2/7 0.25 概率 1/8 1/8 1/8 1/8 1/8 3/8 0.25 概率 1/6 1/6 1/6 1/6 1/6 1/6 我们所猜测的值，如果设为X的话，则表示X的最自然的分布便是Dirichlet。设随机变量X服从Dirichlet分布，简写为Dir(α)，即X~Dir(α)。α是一个向量，表示的是某个事件出现的次数。比如对于上例，骰子的可能输出为{1，2，3，4，5，6}，假设我们分别观察到了5次1~510次6，那么α